1.基于核范数正则低秩编码的风机叶片图像故障识别方法，其特征在于，包括如下步骤：步骤1，获取风机叶片故障图像训练样本集和待识别样本，所述训练样本集包括c个不同的类，对训练样本集中的每个训练样本和待识别样本均进行归一化；

步骤2，利用基于核范数正则的低秩编码方法，计算归一化后的待识别样本在归一化后的各训练样本上的线性表示系数，所述计算归一化后的待识别样本在归一化后的各训练样本上的线性表示系数的目标函数为：s.t.x＝u,Z＝Hdiag(x),E＝A(x)-D

其中，||·||1为向量的1范数，||·||*为矩阵的核范数，u为中间变量，D为归一化后的待识别样本，x＝[x1,x2,…,xN]T为系数向量，A(x)＝x1A1+x2A2+…+xNAN，x1,x2,…,xN为各训练样本A1,A2,…,AN的线性表示系数， 为所有训练样本的个数，c为训练样本集的类数，ni为第i个类中训练样本的个数，E为残差项，H＝[Vec(A1),…,Vec(AN)]，Vec(·)为矩阵的向量化操作，diag(·)为对角化操作，λ为第一正则化参数，β为第二正则化参数；

步骤3，根据线性表示系数计算归一化后的待识别样本在各个类上的残差，并根据残差计算待识别样本所属的类。

2.如权利要求1所述基于核范数正则低秩编码的风机叶片图像故障识别方法，其特征在于，步骤1所述对训练样本集中的每个训练样本进行归一化的计算公式为：其中，Aij(p,q)为训练样本Bij第p行第q列的像素归一化后的像素值，Bij(p,q)为训练样本Bij第p行第q列的像素值，w、h分别为训练样本Bij的宽度、高度，j＝1,2,…,ni，ni为第i个类中训练样本的个数，i＝1,2,…,c，c为训练样本集的类数。

3.如权利要求1所述基于核范数正则低秩编码的风机叶片图像故障识别方法，其特征在于，所述目标函数的拉格朗日函数为：其中，y1、Y2、Y3均为拉格朗日乘子，μ为第三正则化参数， 为矩阵的F范数的平方，为向量的2范数的平方。

4.如权利要求3所述基于核范数正则低秩编码的风机叶片图像故障识别方法，其特征在于，所述拉格朗日函数的求解方法为交替方向乘子法。

5.如权利要求1所述基于核范数正则低秩编码的风机叶片图像故障识别方法，其特征在于，步骤3所述根据残差计算待识别样本所属的类的计算公式为：其中，D为归一化后的待识别样本， 为归一化后的第i类训

练样本，i＝1,2,…,c，c为训练样本集的类数，ni为第i个类中训练样本的个数，w×h为训练样本的大小， 为第i类训练样本的线性表示系数的特征函数。